摘要：【目的】探究非垂直拍攝獲取細葉作物覆蓋度優化算法以及非垂直拍攝對作物覆蓋度計算結果的影響?！痉椒ā吭诒本┦行交夭輼I研究中心露天環境下,以青綠薹草、結縷草為試驗對象,獲取45°、60°、90°(與地面夾角)3種拍攝角度下的圖像,采用基于自適應權重粒子群改進K-means的圖像分割方法,分析不同拍攝角度對青綠薹草覆蓋度測量精度的影響,研究非垂直拍攝與垂直角度下覆蓋度的關系曲線。首先將草RGB圖像轉化成HSV顏色空間,在HSV顏色空間利用自適應權重PSO算法向全局像素解的子空間搜尋,通過迭代搜尋到全局最優解,確定最佳初始聚類中心;其次利用K-means算法對不同角度圖像像素進行聚類劃分,從而得到草冠層區域分割結果,最后采用形態學濾波方法對分割結果進行優化。【結果】垂直拍攝時,傳統K-means算法計算的2個品種的覆蓋度總體相對誤差分別為32.89%和34.37%,而本文算法下2個品種總體相對誤差分別為11.23%和15.85%。相比于K-means算法,本文算法環境適應性好,算法精度高。非垂直拍攝條件下,本文算法能夠克服多角度拍攝導致圖像色彩分布不均勻的問題,有效分割出草冠層區域,90°覆蓋度估測值與真實值平均誤差為3.27%,60°二者平均誤差為4.61%,45°平均誤差為5.70%,隨著拍攝角度的減小,平均誤差略有增大,但均小于6%。非垂直角度下計算的覆蓋度與垂直角度覆蓋度呈顯著地線性關系?！窘Y論】采用本文方法可以提高非垂直拍攝獲取作物覆蓋度的精度。